基于光谱-纹理特征的辣椒早疫病潜育期高光谱图像检测识别

目的 早疫病是茄科作物生长过程中的一种常见破坏性病害，严重时会导致作物欠收而损失严重，传统的作物病害检测方法难以在病害潜育期及时发现病害特征从而采取科学有效的防治措施。本文通过高光谱成像仪连续监测从而获得不同感染期辣椒早疫病的高光谱图像，利用光谱角余弦-相关系数和切比雪夫距离确定了辣椒早疫病潜育期最早可识别时间（本实验潜育期最早可识别时间为接种后24 h）。方法 以辣椒早疫病潜育期病状作为研究对象，采用遗传算法筛选出13个特征波长，经特征波长优化组合并结合逻辑回归模型建立基于光谱特征的作物病害潜育期病状识别模型。同时，利用局部二值模式建立基于图像纹理特征的辣椒早疫病潜育期识别模型。结果 实验以120个样本进行测试，基于光谱特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率均达到93%以上，基于纹理特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率分别达到了98.96%和100%。结论 利用光谱特征或者纹理特征均可实现作物病害潜育期病状的检测识别，纹理特征相比光谱特征更显著地揭示了病害潜育期特征，有效提升了模型检测性能。本文研究成果可为其他作物病害潜育期病状的监测识别提供理论参考。